聚类分析案例：探究用户对物品类别的喜好细分降维

数据如下：

• order_products__prior.csv：订单与商品信息
  • 字段：order_id, product_id, add_to_cart_order, reordered
• products.csv：商品信息
  • 字段：product_id, product_name, aisle_id, department_id
• orders.csv：用户的订单信息
  • 字段：order_id,user_id,eval_set,order_number,….
• aisles.csv：商品所属具体物品类别
  • 字段： aisle_id, aisle

1 需求

2 分析

• 1.获取数据
• 2.数据基本处理
  • 2.1 合并表格
  • 2.2 交叉表合并
  • 2.3 数据截取
• 3.特征工程 — pca
• 4.机器学习（k-means）
• 5.模型评估
  • sklearn.metrics.silhouette_score(X, labels)
    • 计算所有样本的平均轮廓系数
    • X：特征值
    • labels：被聚类标记的目标值

3 完整代码

import pandas as pd
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

#  1.获取数据
order_product = pd.read_csv('./cluster/order_products__prior.csv')
products = pd.read_csv('./cluster/products.csv')
orders = pd.read_csv("./cluster/orders.csv")
aisles = pd.read_csv("./cluster/aisles.csv")

#  2.数据基本处理
#  2.1合并表格
table1 = pd.merge(order_product, products, on=["product_id", "product_id"])
table2 = pd.merge(table1, orders, on=["order_id", "order_id"])
table = pd.merge(table2, aisles, on=["aisle_id", "aisle_id"])

#  2.2交叉表合并
table = pd.crosstab(table["user_id"], table["aisle"])

#  2.3数据截取
table = table[:1000]

#  3.特征工程--PCA
transfer = PCA(n_components=0.9)
data = transfer.fit_transform(table)

#  4.机器学习（k-means）
estimator = KMeans(n_clusters=8, random_state=22)
y_predict = estimator.fit_predict(data)

#  5.模型评估
ret = silhouette_score(data, y_predict)
print(ret)

运行结果：

【这个结果比较低】

算法选择指导

• 关于在计算的过程中，如何选择合适的算法进行计算，可以参考scikit learn官方给的指导意见：